دوربین های زیر آب می توانند وزن ماهی را در زمان واقعی بدون ایجاد نقشه های عمق کامل تخمین بزنند

ویرایش شده توسط گابی کلارک، بررسی توسط اندرو زینین

این مقاله با توجه به روند و سیاست های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

تخمین های دقیق وزن ماهی می تواند به اپراتورهای آبزی پروری در مدیریت تغذیه، نظارت بر رشد و برنامه ریزی برداشت کمک کند. با این حال، روش های متداول تصویربرداری زیر آب اغلب به قدرت محاسباتی قابل توجهی نیاز دارند و می توانند با بازتاب ها، حباب ها و آب کدر مبارزه کنند.

محققان دانشگاه سلطان قابوس و موسسات همکار StereoGeoBox را توسعه داده اند، سیستمی که ابعاد و وزن ماهی را بدون ایجاد نقشه عمق کامل از صحنه زیر آب تخمین می زند. مقاله «تخمین بی‌توده ماهی در آب در زمان واقعی از هندسه جعبه استریو بدون نقشه‌های عمق متراکم» به صورت آنلاین در Computers and Electronics in Agriculture در ۲۳ اکتبر ۲۰۲۶ منتشر شد.

این سیستم از دو دوربین همگام و هوش مصنوعی YOLO11 برای شناسایی ماهی ها در تصاویر جفت استفاده می کند. سپس عمق را از رابطه هندسی بین جعبه های مرزی شناسایی شده محاسبه می کند. طول و عرض تخمینی به یک مدل یادگیری ماشینی XGBoost برای پیش‌بینی وزن وارد می‌شود.

محققان این سیستم را با استفاده از ماهی تیلاپیا تحت نظارت در طی 15 ماه در چهار مرحله رشد 2، 3، 6 و 15 ماهه ارزیابی کردند. از دو سیستم دوربین استریو استفاده شد، در حالی که اندازه‌گیری‌های دستی مقادیر مرجعی را برای طول، عرض و وزن ماهی ارائه کردند.

در اکثر مجموعه داده‌ها، StereoGeoBox در مقایسه با روش‌های مرسوم دید استریو و عمق مبتنی بر یادگیری، به کمترین یا نزدیک‌ترین خطاهای تخمینی دست یافت، در حالی که مقادیر پرت کمتری تولید کرد. در یک آزمایش کنترل شده شامل ماهی با طول مرجع 15.30 سانتی متر (6.02 اینچ)، میانگین تخمین آن 15.25 سانتی متر (6.00 اینچ) بود.

این روش همچنین عملکرد بلادرنگ را نشان داد. با استفاده از دوربین FD و پلتفرم NVIDIA Jetson Thor، 25.40 فریم در ثانیه با تأخیر 28.2 میلی ثانیه و استفاده از حافظه GPU 17.7 مگابایت پردازش کرد.

آزمایش‌ها تحت تغییر نور، حباب‌های اکسیژن و کدورت نشان داد که سیستم دقت معقولی را حفظ می‌کند، اگرچه تخریب شدید بصری تعداد اندازه‌گیری‌های قابل استفاده را کاهش می‌دهد.

نمونه اولیه دوربین‌های زیر آب، محاسبات لبه و داشبورد مبتنی بر ابر را ترکیب می‌کند و امکان ثبت و مشاهده تخمین‌های رشد ماهی را از راه دور فراهم می‌کند.

با این حال، این مطالعه شمارش خودکار هر ماهی یا تخمین مستقل کل زیست توده یک مزرعه را نشان نداد. از آنجایی که فریم ها به طور جداگانه پردازش می شدند، ماهی یکسان را می توان بیش از یک بار مشاهده کرد. آزمایشات بیشتر در سایر گونه ها و محیط های تجاری آبزی پروری مورد نیاز است.

دکتر سعید العبری، نویسنده مسئول دانشگاه سلطان قابوس، گفت: "با تخمین عمق تنها در جایی که ماهی ها شناسایی می شوند، StereoGeoBox نیازهای محاسباتی را کاهش می دهد و در عین حال سرعت و دقت مورد نیاز برای نظارت بر آبزی پروری را در زمان واقعی حفظ می کند."

این تحقیق شامل گروه مهندسی برق و کامپیوتر در دانشگاه سلطان قابوس، دانشگاه عبدالله السالم در کویت و وزارت کشاورزی، شیلات و منابع آب عمان بود.

سعید العبری و همکاران، برآورد زیست توده ماهی در آب در زمان واقعی از هندسه جعبه مرزی استریو بدون نقشه های عمق متراکم، رایانه ها و الکترونیک در کشاورزی (2026). DOI: 10.1016/j.compag.2026.112545

کارشناسی ارشد زبان انگلیسی، ویرایشگر کپی از سال 2021 با تجربه در آموزش عالی و محتوای بهداشتی. تقدیم به اخبار معتبر علمی. نمایه کامل →

فوق لیسانس فیزیک با تجربه تحقیق. علاقه مندان به اخبار علمی طولانی مدت. نقش کلیدی در موفقیت سرمقاله Science X ایفا می کند. نمایه کامل →